自商图像

分析了Retinex及其与商图像(QuotientImage,QI)的关系,提出了自商图像(self-quotientimage)的概念,以提取一个目标(如人脸)图像的内在特性,同时去除与光照相关的外在因素。SQI(self-quotientimage)方法克服了原始的QI方法的局限性,且能够提取与光照无关的内在特性。对算法适用的条件进行了理论分析,并在SQI计算过程中提出了一个非迭代的各向异性滤波器以减小光晕现象和提高计算速度。实验结果表明该方法可以有效地提高不同光照条件下的人脸识别系统的识别率。

基于自商图像的人脸图像增强

为了降低光照对人脸识别效果的影响,通过多层次自商图像的方法获得反射系数。将原图作为输入图像采用反锐化掩模滤波的方式进行增强,再通过自商图像方法获得反射系数和光照成分;把光照成分作为输入图像,重复以上操作,对每次得到的反射系数按比例融合得到最终的反射系数。YaleB人脸库上的实验结果表明,该方法能在一定程度上去除光照的影响,使人脸识别率有一定的提高。

基于方向滤波和自商图像的人脸光照补偿

为了实时处理恶劣光照条件下的人脸图像,在自商图像的基础上,提出了一种新的人脸光照补偿的方法.该方法首先在人脸三维光照简化模型的基础上,利用方向滤波削弱附着阴影.然后结合高斯低通滤波器,进一步削弱投射阴影.两者非线性结合,显著改善光照图像的质量.利用YaleB数据库提供的光照图像,在10万人脸数据库系统中进行测试,结果表明在光照条件恶劣的情况下能显著提高识别率.

基于自商图像和随机投影的人脸识别方法

针对传统基于自商图像的方法忽略对特征进行选择的问题,提出了一种结合自商图像和随机投影的人脸识别方法。采用自商图像法对人脸图像进行预处理,削弱光照影响;然后通过线性判别分析构造初始样本空间,利用多次随机投影将样本投影到不同的子空间,从而提取更具完备性和判别性的光照不变特征。最后用最近邻分类器对样本进行分类。在Yale B和AR人脸库上的实验表明:所提算法可以提取对光照鲁棒且具有鉴别性的人脸特征,从而提高光照变化条件下人脸识别的准确率。

自商图像优化加权LBP直方图的光照变化人脸识别

针对光照变化环境下人脸识别难度大的问题,提出了一种基于自商图像(SQI)和加权局部二值模式(LBP)的光照变化人脸识别方法。首先,利用SQI方法消除光照变化;然后,将两个加权的多区域LBP分别应用于各个图像以提取光照不变特征;最后,将自商图像方法和加权LBP算法提取的直方图融合形成最终的特征向量并用于人脸识别。在扩展YaleB和CMU-PIE人脸数据库上的实验结果表明,相比其他几种人脸识别方法,取得了更好的识别效果。

基于SQI的超分辨率图像重建算法

提出了一种基于自商图像(Self Quotient Image-SQI)的超分辨率图像重建算法.该方法首先利用SQI提取光照不变量作为图像特征,并假设光反射分量具有分段平滑的特性,近似认为每一个小的图像块具有相同的增益系数;然后在流形学习的框架下,借助局部线性嵌套的思想构建高分辨率图像和低分辨率图像块间的关系,从而实现了超分辨率重建和图像增强.仿真结果表明,该算法有效地克服了传统方法受光照因素影响的缺点,在提高分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果.

自适应平滑自商图与多层分块的人眼定位算法

针对光照对眼睛定位产生的影响,提出了一种基于自适应平滑自商图像与多层分块的人眼定位算法。首先进行光照评估,利用自适应平滑自商图像(ASSQI)对光照条件差的进行处理,消除人脸图像的光照影响;然后运用眼睛区域梯度复杂度大的特征并结合积分图分块处理获得眼睛粗定位;最后对粗定位区域继续分块并利用质心得到准确的瞳孔中心。在JAFFE数据库、YaleB数据库和BioID数据库上测试表明该文算法有较高的定位正确率,对光照的鲁棒性较强。

改进型Gabor自商图算法及其在人脸识别中的应用

光照变化是影响人脸识别系统性能的关键问题之一,针对该问题提出了一种改进的基于Gabor特征的自商图算法。对人脸图像采用改进的加权Gabor滤波器进行平滑的Gabor特征提取,使用自商图像的方法求取图像的光照不变特征;对得到的自商图像用直方图截断等方法进行归一化;在Extended Yale B与CMU PIE人脸库上通过基于皮尔逊相关系数的最近邻方法进行实验。实验结果表明,与传统算法相比,该算法可以大幅度提高人脸识别率。

基于NSCT和SQI的光照不变量及人脸识别

为了消除光照变化对人脸识别的影响,提出了一种结合无下采样轮廓波变换(Nonsub-sampled contourlet transform,NSCT)和自商图像(Self-quotient image,SQI))的光照不变量提取算法。该算法首先对图像进行伽玛校正,一定程度上减弱了不同光照条件的影响,然后使用NSCT对伽玛校正后图像进行多尺度多方向分析,使用自适应NormalShrink方法对各高频子带进行滤波,通过反无下采样轮廓波变换得到平滑图像,最后利用SQI提取光照不变量。在YaleB与CMUPIE人脸库上的实验结果表明:所提出的算法能够有效消除光照变化对人脸识别的影响,识别率高于多尺度Retinex(Multiscale Retinex,MSR)、SQI和对数全变差(Logarithmic totalvariation,LTV)等方法。

基于SQI和加权LBP直方图的不同光照环境下人脸识别

为解决不同光照条件下人脸识别困难的问题,提出了一种基于自商图像和加权局部二值模式的不同光照环境下的人脸识别方法。首先,使用自商图像算法进行人脸图像预处理,去除图像的光照影响,然后,对预处理后的图像用加权多区域局部二值模式算法提取特征直方图,把不同分区的特征直方图融合起来形成特征向量,最后,根据提取的特征向量进行样本训练和人脸识别。在人脸数据库上的实例测试表明,其算法与其他几种算法相比具有较好的识别效果。

基于疲劳驾驶的人眼定位方法研究

人眼定位是疲劳驾驶的研究关键。由粗到精,先后进行了人脸检测、瞳孔定位。针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题,提出了一种基于信息熵加权的HOG特征提取算法,该算法将待分类的人脸特征进行信息熵阈值加权,形成新的HOG特征,然后通过支持向量机进行分类;针对现有瞳孔定位算法准确率不高的问题,提出了多算法协同工作的瞳孔定位方法,以自商图为基准寻找二值分割点,实现了眼部区域光照不变性,以灰度积分投影为依据实现了瞳孔精确定位。实验结果表明,该文提出的人脸检测算法在CelebA验证数据集准确率可达到98.26%,较传统识别方法有更高的准确率;而瞳孔定位算法也可达到令人满意的精确度,提高了瞳孔定位的准确性。

基于深度学习的SPD人脸识别算法

本文提出一种自商图像法(SQI)、主成分分析法(PCA)和深度信念网络(DBN)相结合的SPD人脸识别算法。首先将人脸图像经过自商图像处理,勾勒其边缘特征。然后使用主成分分析法将高维自商图像降维至低维子空间。接着将训练集低维子空间的数据作为深度信念网络的输入,并对网络逐层进行训练。最后使用训练好的深度信念网络对测试集低维子空间的数据进行识别。对于遮挡性识别,采用遮挡分割法,减弱局部遮挡对整个图像的影响因子。经过反复实验验证,本文提出的算法在小样本中对脸部识别效果较好。